Contenido

La modelación matemática en los procesos

de formación inicial y continua de docentes

Mathematical modeling in teachers’ training process

José David Zaldívar Rojas * david.zaldivar@uadec.edu.mx

Universidad Autónoma de Coahuila, México

Samantha Analuz Quiroz Rivera ** samanthaq.rivera@gmail.com

Université du Québec à Montréal, Canadá

Gonzalo Medina Ramírez *** gonzalo666@hotmail.com

Liceo Alberto del Canto, México

La modelación matemática en los procesos de formación inicial y continua de docentes

IE Revista de Investigación Educativa de la REDIECH, vol. 8, núm. 15, pp. 87-110, 2017
Red de Investigadores Educativos Chihuahua A. C.

Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial 4.0
Internacional.

Recepción: 26 Agosto 2017

Aprobación: 12 Octubre 2017
Resumen:
El presente estudio tiene como propósito promover la importancia de los procesos de aprendizaje e
implementación del concepto modelación matemática en la formación docente inicial y/o continua.
Para ello se describe una propuesta que tiene como fin el que los docentes experimenten y resuelvan
una situación basada en modelación matemática tomando estos el rol de alumnos. Se discuten
primeramente los aspectos teóricos que sustentan la propuesta y se presentan las dos fases que
conforman el estudio. Los resultados muestran un diseño de una situación basada en un contexto
biológico cuyas tareas se inscriben propiamente en las etapas del proceso de modelación matemática.
En dicha situación se incorpora una herramienta tecnológica con el propósito de favorecer el tránsito
entre el planteamiento del problema y la generación de modelos matemáticos. Palabra clave:
modelación matemática, formación de docentes, tecnología, probabilidad, proporción.

Palabras clave:
modelación matemática, formación de docentes, tecnología, probabilidad, proporción.

Abstract:
The present study aims to favor the processes of learning and implementation of mathematical
modeling notion pre-service and in-service teachers’ training. In order to achieve so, we describe a
proposal which main goal is teachers experiment and solve a situation based on mathematical
modeling process by taking a student’s role. We first discuss the theoretical aspects that support the
proposal and present the two phases that make up the study. The results exhibit a design of a
situation that takes place in a biological context whose tasks are properly inscribed in the phases of
mathematical modeling process. In our example of situation, a technological tool is incorporated with
the purpose of assisting the transit between the set out of the problem and the production of
mathematical models.

Keywords:
mathematical modeling, pre-service teachers, in-service teachers, technology, probability,
proportion.

Introducción

De acuerdo con Flores (2006), una condición para que el investigador se convierta en un
agente de cambio educativo es la vinculación con escuelas donde se apoye al docente en la
incorporación de resultados de investigación en su práctica diaria. Específicamente, parte de
la investigación en didáctica de las matemáticas ha hecho numerosas aportaciones al estudio
de situaciones y estrategias para la enseñanza de contenidos matemáticos; sin embargo,
incorporar estas situaciones en un salón de clases demanda la vinculación constante con los
docentes a través de reflexiones en su formación inicial y continua.

La presente investigación está centrada en una estrategia que ha demostrado su

efectividad para el aprendizaje de las matemáticas a través de sus aplicaciones: la modelación
matemática. En su acepción como estrategia didáctica, la modelación matemática surge como
un medio que permite la creación o uso de modelos matemáticos a través del planteamiento
de problemas en contexto (Niss, Blum y Galbraith, 2007). La implementación de esta
estrategia en diversos niveles educativos ha demostrado, entre otras cosas, el desarrollo de
competencias matemáticas y propias de la modelación matemática (Rodríguez y Quiroz,
2015), la promoción de un mayor interés hacia la asignatura (Alsina, 2007), así como el
desencadenamiento de un pensamiento diversificado en los alumnos (Hitt, 2013).

Es por ello que currículos de diversos países han incorporado como un objetivo principal
del perfil de egreso el desarrollo de competencias de modelación matemática. A manera de
ejemplo, México, a través de la Reforma Integral de Educación Básica del año 2009, manifiesta
la necesidad de que los alumnos modelicen situaciones de la vida cotidiana desde el
preescolar hasta la secundaria (SEP, 2011). Por otro lado, la OCDE la considera dentro de los
estándares evaluados en la prueba PISA (OCDE, 2010).

Ahora bien, una correcta aplicación de la modelación matemática en el aula de clases

demanda un docente preparado y convencido para tal acción. A pesar de ello, la modelación
matemática sigue ausente en la mayoría de los currículos de la formación inicial de docentes.
Esto implica que sin la debida formación y desarrollo continuo, el docente sería incapaz de
desarrollar planeaciones didácticas basadas en la modelación matemática y por consiguiente
ser exitoso en su aplicación.

Ahora bien, la presente investigación reconoce que el aprendizaje de la modelación

matemática por parte de los docentes no debe restringirse al conocimiento de la definición
de la misma. Es necesario un trabajo de reflexión sobre la práctica que permita al docente
valorar los beneficios de la modelación, reconocer las dificultades de su implementación y
modificar sus concepciones respecto a la enseñanza y el aprendizaje de las matemáticas,
puesto que en la mayoría de los casos están ligadas a procesos memorísticos de transmisión
de conocimiento (Quiroz, Hitt y Rodríguez, 2015).

Por lo tanto, en el presente estudio se plantea una propuesta para el estudio e

implementación de la modelación matemática en la formación inicial o continua de docentes.
A través de esta propuesta se busca que los docentes experimenten una situación basada en
la modelación matemática con el fin de que reconozcan sus características y particularidades,
así como el tipo de tareas que se pueden generar. En un primer momento se muestra la
justificación teórica de la propuesta para después presentar los momentos y tareas
específicas que la conforman. Dentro de estas tareas se involucra una componente
tecnológica con el fin de valorar la incorporación de estos recursos en el desarrollo del ciclo
de modelación utilizado.

La noción de modelación matemática

El estudio de los procesos de enseñanza y aprendizaje de las matemáticas han mostrado la

necesidad de promover actividades en el aula que vayan más allá de un cúmulo de saberes
aislados y algoritmos descontextualizados realizados mecánicamente, como tiempo atrás se
creía. Está demostrado que las fallas en la impartición de matemáticas puras que dejan las
aplicaciones para otras asignaturas, conllevan a bajo rendimiento de los alumnos por la
carencia de aprendizaje (Santos, 1997).

De acuerdo con Alsina (2007), es necesario recordar la razón principal por la que son
enseñadas las matemáticas: lograr que los alumnos se conviertan en seres capaces de aplicar
las matemáticas y transferir dichos conocimientos en una variedad de contextos y situaciones
fuera de la escuela. Por ello, la habilidad de identificar y resolver problemas en su ambiente
cultural es un objetivo importante en la asignatura de matemáticas, ya que con ello se logrará
preparar ciudadanos críticos y buenos profesionistas en cualquier contexto que se les
presente (Muller y Buskhardt, 2007).

En nuestra investigación consideramos al aprendizaje de la matemática como un proceso

donde se encuentra sentido a las relaciones, se separan y analizan para discutir sus
conexiones con otras ideas, como lo refieren Niss et al. (2007). Así, se muestra como
necesaria la realización de cambios significativos en la manera de pensar de los estudiantes
sobre las matemáticas mediante la presentación de situaciones donde se fomente la
expresión de ideas y confrontación de procedimientos.

Con el fin de alcanzar estos objetivos, se inicia el estudio de una estrategia que potencia el
vínculo entre la matemática escolar y la experiencia de vida de los estudiantes: la modelación
matemática (Lesh y Yoon, 2007). La definición de la modelación matemática se ha ido
enriqueciendo desde que Pollak en 1969 puntualizó los pasos o etapas que la conformaban:

• Identificar una pregunta del mundo real que se quiere entender.

 • Seleccionar objetos particulares importantes para la pregunta hecha e identificar
relaciones entre ellos.

• Decidir cuáles son útiles e ignorar los que no lo son.

• Trasladar esta versión en términos matemáticos, obtener fórmulas matemáticas para

esta pregunta determinada y resolver el problema.

Posteriormente, Blum y Niss (1991) completan esta acepción considerando a la modelación

matemática como el proceso completo de transitar desde un problema planteado en una
situación real hasta un modelo matemático. En la presente investigación consideraremos la
definición de Trigueros (2006), quien la detalla como un proceso cíclico donde se proporciona
a los alumnos problemas abiertos y complejos en los que se ponen en juego conocimientos
previos y habilidades creativas para sugerir hipótesis y plantear modelos que expliquen el
comportamiento del fenómeno en términos matemáticos.

Para la investigación son tres momentos principales los que deben seguirse en clases
basadas en modelación matemática:

• Momento 1. Introducción al contexto real.

• Momento 2. Matematización de la situación a partir de los datos del contexto.

• Momento 3. Síntesis y regreso al contexto real.

Durante estos momentos, tanto docente como alumnos cumplen roles específicos que
detallaremos a continuación:

a) Rol del alumno. De acuerdo con Lakoma (2007), existen tres tareas básicas de los
alumnos en el proceso de modelación: realizar predicciones y conclusiones,
generalizarlas, justificarlas y aplicarlas a la práctica y, por último, presentarlas a otras
personas. Durante este proceso los alumnos sugieren situaciones de su realidad y crean
modelos para dichos escenarios específicos. Estas acciones promueven el desarrollo de
habilidades matemáticas y herramientas que les permitan representar, estimar, llegar a
aproximaciones, analizar errores, razonar, revisar la inconsistencia de soluciones y
comunicar sus resultados (Pollak, 2007).

b) Rol del docente. Los resultados de Doerr (2007) muestran que las actividades del
docente en modelación matemática estriban en la elección de la situación que se va a
 modelar de acuerdo con el contenido que desea tratar, buscando la situación más
apropiada, la proposición de situaciones donde los alumnos puedan interpretar,
explicar y justificar modelos matemáticos, así como motivar a compartir su manera de
pensar.

Ahora bien, estos roles se realizan dentro de un aula de clase que privilegie el aprendizaje
colaborativo. Así, se invita a conjuntar esfuerzos, intereses, talentos y competencias para el
cumplimiento de metas establecidas en conjunto por los miembros del grupo que apoyan la
comprensión de los problemas y procedimientos de solución. El trabajo colaborativo en la
modelación matemática permite interacciones que favorecen un ambiente social y la
promoción de discusiones para la solución de problemas más complejos (Alsina, 2007).

Por último, el ambiente en el salón de clase debe permitir la descripción de los modelos
individualmente, en equipo o grupalmente. El aula de clase se convierte en un espacio
creativo donde el aprendizaje se construye por todos los miembros del grupo, se promueve
la participación en la discusión de problemas y la propuesta de ejemplos y contraejemplos; es
decir, la construcción del conocimiento matemático (Santos, 1997).

Tomar en cuenta las características y rasgos relevantes del trabajo con la modelación
matemática es indispensable para la obtención de logros en su aplicación.

La modelación matemática en la formación docente

De acuerdo con Latapí (2003), alcanzar una mejora en la educación requiere retomar como
asunto central la formación de los maestros, puesto que este proceso constituye la vía por la
que el sistema renueva sus prácticas, cuestiona sus tradiciones, acepta nuevas visiones
teóricas, se abre al conocimiento y se revitaliza. A pesar de ello, la formación docente es
considerada uno de los elementos más débiles del sistema educativo, puesto que en su
mayoría contempla programas obsoletos y el empleo de métodos de enseñanza rutinarios
(Estrada, Batanero y Fortuny, 2004). Por tanto, lograr cambios en las aulas de clase de
matemáticas será posible a través de cambios en la formación de docentes (Alsina, 2007).

Es necesario reconocer que la formación de docentes en la enseñanza de las matemáticas

en general se ha convertido en un tema pedagógico central en los últimos años. Los
esfuerzos se encaminan a la creación de nuevos espacios donde el docente tenga la
oportunidad de reflexionar sobre su enseñanza, lo cual requiere una madurez considerable
respecto al conocimiento que domina, la pedagogía de las matemáticas que posee y del
aprendizaje del alumno (Wilson y Cooney, 2002). Da Ponte (2012) menciona que una
enseñanza de las matemáticas de calidad pasa necesariamente por un profesor con una
formación matemática apropiada, con competencias en el campo didáctico, con una buena
relación con los alumnos, una actitud profesional y su capacidad de actualización a nivel
profesional.

Actualmente, el reto de la educación docente estriba, pues, en diseñar una pedagogía que
facilite el empleo de métodos constructivistas para la enseñanza de matemáticas en todos los
niveles; es decir, preparando a docentes que enseñen matemáticas para su entendimiento y
su aplicación y no su memorización (Nyaumwe, 2004).

En relación a la modelación matemática, su incorporación al currículo del profesor es

considerado indispensable para el desarrollo de competencias docentes relativas a esta
estrategia, como por ejemplo para el establecimiento de ambientes y el planteamiento de
situaciones de modelación (Niss et al., 2007). Sin embargo, las investigaciones demuestran
que la mayoría de los programas educativos de maestros en formación no proveen
conocimientos y experiencias que provoquen confianza en los docentes para lidiar con esta
estrategia didáctica en el aula de clases (Alsina, 2007; Doerr, 2007).

A pesar de que es clara la necesidad de incorporar la modelación matemática al currículo

de la formación docente, Doerr (2007) establece que son pocos los estudios que se enfocan
en las formas en que se podría realizar esta incorporación. De hecho, Niss et al. (2007)
afirman que es muy complejo encontrar actividades de modelación genuinas dentro del salón
de clases de matemáticas. Según Ruiz-Higueras y García (2011), existe una escasez de
investigaciones centradas en clarificar y aumentar el conocimiento científico sobre las
metodologías involucradas en los procesos de modelación por parte de los docentes, así
como la ausencia de teorías científicas que permitan describir con precisión y categorizar
dichas metodologías.

Rescatamos dos investigaciones que proponen metodologías para el trabajo con docentes
en formación con la modelación matemática. El estudio de Quiroz, Hitt y Rodríguez (2015)
muestra que la incorporación de la modelación matemática al currículo de la formación
docente debe ser un proceso gradual de reflexión donde los futuros docentes tengan
oportunidad de evolucionar sus concepciones respecto a la enseñanza y el aprendizaje de las
matemáticas. Este proceso debe relacionar no solo aspectos teóricos relativos a la
modelación, sino a su vez brindar oportunidades de poner en práctica la estrategia a través
de la planeación e implementación de una lección de matemática con alumnos en aulas de
clase. Estas oportunidades permitirán que el docente reconozca no solo los beneficios de la
modelación matemática, sino que a su vez reflexione respecto a las dificultades de su
incorporación.

Por su parte, Hitt (2013) desarrolla la metodología de enseñanza denominada Acodesa

(aprendizaje en colaboración, debate científico y autorreflexión). Dicha metodología tiene
como objetivo promover habilidades y capacidades de reflexión ante situaciones
problemáticas mediante el modelado en ambientes colaborativos, en los cuales el debate
científico y la autorreflexión juegan un papel de primer orden. Esta metodología promueve el
trabajo con situaciones problemas basadas en modelación matemática. A través de Acodesa
se ha dado lugar al desarrollo de cuerpos de actividades de aprendizaje dirigido a la
formación de profesores como apoyo para la enseñanza de las matemáticas en la escuela
secundaria, como el caso de la investigación de Rodríguez y Soto (2011).

El uso de tecnología y la modelación matemática

La sociedad de la información y la comunicación de la que formamos parte, nos hace

imposible no tener en consideración en las estrategias didácticas el involucramiento de
tecnología. Al hablar de modelación matemática, los investigadores han incorporado a la
tecnología como parte importante del mismo proceso en las aulas de clase de diversos
niveles educativos.

Como resultado de esta incorporación está el despliegue de la autonomía de los alumnos

respecto del docente, además del desarrollo de habilidades como la búsqueda de
información y una mayor participación e interés en la clase (Castañeda, 2010). Por su parte,
Medina (2011) indica en su trabajo la importancia del uso de tecnologías de la información en
el desarrollo de competencias tanto matemáticas como de modelación matemática.

El momento preciso en el ciclo de modelación matemática para la incorporación de la

tecnología ha sido estudiado por autores como Rodríguez y Quiroz (2015), cuyos resultados
indican tres momentos importantes donde la tecnología puede apoyar el proceso de
modelación matemática:

• Al momento de plantear una situación real. La tecnología podría apoyar a la mejor

comprensión de la situación-problema que se plantea.

• Al momento de la formación de un modelo matemático. En este momento los recursos

tecnológicos brindarían al alumno elementos para acercarse a la creación de un modelo
matemático, e incluso vislumbrar la respuesta sin tener aún el resultado analítico.
 • Al momento de vincular los resultados matemáticos con la situación real. La tecnología
permite analizar la respuesta matemática en términos de la misma situación real.
Además, apoya la identificación de posibles errores en los resultados del trabajo con el
modelo matemático.

Así, estos resultados brindan directrices para la planificación de secuencias didácticas

basadas en modelación matemática que incorporen un recurso tecnológico. Si se piensa en la
formación docente, el uso de dispositivos tecnológicos apoyará el reconocimiento de las
bondades de estos en el aula de clase de matemáticas, puesto que este tipo de inserciones
modifican indudablemente la forma en la cual se producen, transmiten y se procesa la
información y el conocimiento en los salones de clases, ya que afectan directamente al
currículo, lo cual repercute –o debería repercutir– en la formación de los docentes (Llinares,
2012).

Propuesta para la incorporación de la modelación matemática en la formación docente

La presente propuesta tiene como objetivo apoyar el proceso de aprendizaje y utilización

de la modelación matemática desde la formación de docentes. Es conocido que las
estrategias didácticas que los docentes utilizan en sus aulas de clase están basadas en sus
teorías sobre cómo esta asignatura debe ser aprendida. Estas ideas han sido desarrolladas
con base en su experiencia sobre cómo fueron enseñados (Da Ponte, 1994). De acuerdo con
el estudio de Quiroz et al. (2015), el aprendizaje de la modelación matemática por los
docentes en formación puede realizarse a través de un trabajo en colaboración entre
docentes donde se dé oportunidad de planificar e implementar secuencias didácticas con
elementos de modelación.

Se presenta a continuación una propuesta para promover el aprendizaje y utilización de la

modelación matemática desde la formación de docentes. Se busca así contribuir en el avance
de teorías científicas que describan y expliquen la actividad del profesor en el aula durante
los procesos de estudio en los cuales los alumnos se enfrenten a situaciones de modelización
matemática (Ruiz-Higueras y García, 2011).

La propuesta consiste en el planteamiento de situaciones basadas en modelación que

deban ser resueltas por los mismos docentes, experimentando por ellos mismos el rol del
alumno. Estas situaciones deberán ser seguidas de un proceso de reflexión sobre lo ocurrido:
el tipo de situación que se planteó, la adecuación del contexto, el rol del docente durante la
experiencia, el rol de los alumnos, el proceso de creación, uso de un modelo matemático, la
organización en el aula, el clima de aprendizaje, así como el uso de tecnología. De acuerdo
con García (2005), el planteamiento y resolución de situaciones-problema mediante el trabajo
en grupo promoverá un análisis o discusión en colectivo que brindará herramientas para una
reflexión posterior respecto a la misma estrategia utilizada. Al experimentar las situaciones
de modelación, se espera que los docentes desarrollen aprendizajes “haciendo”, como
propone Llinares (2012). Por otro lado, Ferreira y Miorim (2011) muestran que las reuniones
de reflexión en colaboración entre docentes permiten la superación de problemáticas
presentadas en las aulas, además de la incorporación de nuevas estrategias.

Ahora bien, las situaciones elegidas deberán estar acordes con contextos no matemáticos
atractivos para los mismos docentes y que les generen un reto en sus conocimientos
matemáticos. Esta selección será realizada por el profesor formador de docentes tomando en
cuenta las características de sus alumnos, así como sus intereses. Además de ello, es
recomendable que las situaciones involucren el uso de un recurso tecnológico, puesto que
con ello será posible la discusión posterior relativa a la utilidad de este durante el proceso de
resolución.

Las situaciones propuestas a los docentes, por tanto, deberán ser preparadas con
anticipación, buscando que estas abarquen los tres momentos del proceso de modelación
matemática: 1) introducción al contexto real; 2) matematización de la situación a partir de los
datos del contexto; y, 3) síntesis y regreso al contexto real. Respecto a la incorporación de la
tecnología, esta es recomendable hacerse siguiendo las sugerencias del estudio de Rodríguez
y Quiroz (2015): al momento de plantear una situación real, al momento de la formación de
un modelo matemático y al momento de vincular los resultados matemáticos con la situación
real.

El formador de docentes podrá valerse de contextos que involucren otras asignaturas,

promoviendo una transversalidad dentro del currículo. Ahora bien, el formador deberá
conocer los aspectos teóricos y prácticos de la modelación matemática, puesto que fungirá el
papel del docente de matemáticas promoviendo en todo momento la discusión de ideas
entre los docentes en formación y guiándolos a través de la sesión de clase.

En el proceso de resolución de estas situaciones se busca promover en los docentes en

formación una experiencia reflexiva, donde se les presenten retos cognitivos que les
demanden la toma de decisiones e intervención en la clase. Por ello, se buscará que sean
ellos quienes propongan soluciones y desarrollen un modelo matemático a fin de dar
respuesta a este. Este proceso, de acuerdo con las características propias de la modelación
mencionadas en la sección anterior, se debe realizar a través de un aprendizaje colaborativo
entre futuros docentes.
 La reiteración de estas experiencias brindará al docente más oportunidades para
reflexionar sobre las mismas bondades y dificultades del trabajo con modelación desde el
punto de vista del docente y desde el punto de vista del alumno. Entre estas dificultades se
espera que se discutan algunas que ya fueron reportadas en diversas investigaciones, como
lo son: un mayor tiempo para la clase de matemáticas en comparación con el uso de métodos
tradicionales (Alsina, 2007), problemáticas propias del aprendizaje colaborativo, dificultad
para seleccionar problemas apegados a la realidad del alumno (Henn, 2007), la
desvinculación con evaluaciones tradicionales que solo valoran la destreza en la resolución de
algoritmos (Henn, 2007) y problemas ligados a la necesidad de adquisición de equipamiento
tecnológico en el aula (Pead, Ralph y Muller, 2007).

Consideraciones metodológicas

La presente investigación es de tipo cualitativa, puesto que tiene como intención

comprender de manera detallada el tema de estudio de voz de los individuos que participan
(Creswell, 2007). El diseño del estudio está organizado en dos fases principales, que como en
toda investigación cualitativa pueden ser modificadas si así se requiere. Estas fases son las
siguientes:

1. Fase de diseño. Primeramente se pretende diseñar una situación problema basada en

modelación matemática para el trabajo con los docentes en formación. El diseño deberá
seguir los aspectos teóricos referentes al proceso de modelación matemática que
fueron referidos en las primeras secciones del artículo. Además, se pretende la
selección y el involucramiento de una tecnología de acuerdo con los fines que se
persigan, relacionados al contenido matemático.

2. Fase de implementación y análisis de resultados. Durante esta fase se pretende

implementar el diseño realizado en la formación de docentes inicial y/o continua.
Después de la resolución de la situación-problema se realizará una sesión de reflexión
con los docentes sobre las actividades que se siguieron. Los resultados obtenidos serán
analizados a la luz de los elementos teóricos. Los resultados permitirán mostrar la
eficacia de esta implementación para el desarrollo de la noción de modelación
matemática en la formación de docentes.

El presente artículo muestra los resultados de la primera fase del estudio; es decir, el
diseño de la situación-problema. El objetivo principal es el diseño de una secuencia basada en
modelación matemática que tome en cuenta los aspectos teóricos de la estrategia y el
involucramiento de una tecnología de apoyo con el fin de promover el proceso de
aprendizaje de la modelación matemática en docentes en formación inicial y continua. Se
presenta en la siguiente sección el resultado de tal diseño.

Diseño de la situación basada en modelación matemática

P resentación de la situación y objetivo general

La situación que a continuación se presenta se denomina “La genética de acuerdo con las
leyes de Mendel”, y el contexto bajo el que se inscribe se encuentra en la biología,
específicamente en genética relativo a la segunda ley de Mendel. La temática del contexto se
eligió de esa manera debido a su característica de transversalidad entre asignaturas. Abordar
el planteamiento de la situación desde la biología y sin incluirlo en el título busca a su vez no
explicitar el uso de matemáticas en el mismo planteamiento. Aunado a lo anterior, el tema
aparece desde los primeros grados escolares y es recursivo en los siguientes años, aunque
con diferentes niveles de profundidad. Además de que las aportaciones de Mendel
representan un parteaguas en la biología que permitió el desarrollo de una rama de esta: la
genética (Darden, 1991; Lorenzano, 2005; Gliboff, 2015).

El objetivo general de la situación de modelación matemática “La genética de acuerdo con

las leyes de Mendel” es simular el comportamiento de la segunda generación de híbridos de
cierta especie de guisantes, los cuales son el resultado de la primera cruza de dos guisantes
puros, uno amarillo (gen dominante) y otro verde (gen recesivo). Se espera que a partir de
dicha simulación los estudiantes puedan explicar intuitivamente la segunda ley de Mendel
(ley de la segregación de los caracteres en la segunda generación filial), la cual establece que
durante la formación de los gametos, cada alelo de un par se separa del otro miembro para
determinar la constitución genética del gameto filial (Valega, s.f.).

Los conceptos matemáticos que son posibles abordar en la situación son: proporcionalidad,
razones, eventos aleatorios, histogramas de frecuencia, probabilidad clásica, porcentajes,
entre otros. Durante la actividad, la tecnología es incorporada en el momento de la formación
del modelo matemático a partir de los datos reales y en la síntesis y regreso a la situación
real. Esta elección favorece el tránsito entre las etapas de la modelación, como lo señalan
Rodríguez y Quiroz (2015), y además ofrece alternativas de solución y el desarrollo del
pensamiento matemático (Villarreal, 2012).

M ateriales necesarios y visión general de la secuencia

Los materiales que se proponen para el desarrollo de la situación de modelación

matemática son:
 • Calculadora ClassPad Fx400 o similar (podría ser usada también algún programa de
hoja de cálculo; sin embargo, las secuencias de comandos podrían variar).

• Fichas pintadas de un lado verde y del otro amarillo.

• Hoja de trabajo del alumno.

Los momentos y las tareas que componen a la situación “La genética de acuerdo con las
leyes de Mendel” se detallan en la figura 1. Posteriormente se describe con mayor detalle
cada tarea relativa a los tres momentos de la secuencia didáctica.

Fig. 1.

Momentos y tareas de la secuencia didáctica

A nálisis de los momentos y tareas que componen la secuencia

M omento 1: introducción al contexto real

T1.1. R ealizar la lectura del contexto biológico en el que se inscribe la situación

El contexto real que se le propone al estudiante tiene que ver con la aparición de la
genética y los trabajos de Gregory Mendel, que permitieron el desarrollo de la teoría genética,
siendo precursor de dicha parte de la biología (Darden, 1991). En esta tarea se explica de
manera general la historia de Gregory Mendel y su trabajo. Además se inicia el
involucramiento de conceptos biológicos como: genes, alelos, gen dominante, gen recesivo,
genotipo, fenotipo, cruza híbrida, primera ley de Mendel. Esta presentación puede realizarse
por medio de una lectura o bien por medio de un video. En esta tarea es posible el
involucramiento del profesor de ciencias o biología, dependiendo del nivel educativo. En la
figura 2 se muestra una visión general de la presentación del contexto:

Actualmente, la genética es un campo de estudio con vertiginosos avances en la

clonación con éxito de seres vivos. Pero estos avances no pudieron lograrse sin las
investigaciones realizadas por el monje Gregory J. Mendel (1822-1884), de origen
austriaco, quien cruzó guisantes de color amarillo con una especie escasa de guisante
verde. El resultado de este experimento dio origen a una generación híbrida de
guisante amarilla al 100%, lo cual quiere decir que todos los elementos que resultaron
de esta primera cruza fueron híbridos, pero amarillos. Lo anterior condujo a Mendel a
establecer más experimentos y a la postre conjeturar relaciones hasta lo que hoy
conocemos como las leyes de Mendel.

Es importante reconocer que las investigaciones de Mendel sentaron las bases para el
estudio de cómo los seres vivos se “mezclan” y producen “nuevas” generaciones con
atributos comunes y cómo también ciertas especies “pierden” atributos. Además, para
la ciencia los trabajos de Mendel constituyeron avances importantes en aspectos
metodológicos y experimentales, puesto que Mendel reconoció la necesidad de una
experimentación rigurosa y sistemática, además de expresar sus resultados en forma
cuantitativa mediante recursos estadísticos, lo cual fue un parteaguas en los trabajos
de biología de la época.

Antes de los trabajos de Mendel se tenía en consideración una teoría que se conocía
como la herencia por mezcla, la cual suponía que los caracteres de los padres y las
madres se mezclaban; es decir, si consideramos el cruce entre dos flores, una roja y
una blanca, la flor resultante de la cruza será rosada. A esta teoría se le llamaba
pangénesis.

A continuación intentaremos reflexionar sobre los trabajos de Mendel intentando

aproximarnos a las conjeturas que planteó. Para ello centraremos nuestra atención en
el gen que determina el color de un guisante.

Los genes se presentan por pares. Por ejemplo, en el guisante amarillo, el par asociado
de genes se considera (A, A), el cual será tomado como el gen dominante. Mientras que
el gen del guisante verde está asociado al par (v, v). Al realizar una cruza de estas dos
razas puras de guisantes, cada una aporta un gen para formar un nuevo par que
determinará el color del guisante, al cual llamaremos híbrido, ya que no es “puro”.
En síntesis, cuando Mendel hace mención de una cruza híbrida, se refiere a un
guisante que se formó a partir de un gen aportado por un guisante amarillo
dominante y un gen aportado por un guisante verde recesivo, ambos de raza pura. Lo
anterior implica que cuando existe una cruza de guisantes, cada uno de ellos aportará
un gen cada uno a la siguiente generación.

Ahora bien, como cada uno de los “padres” (o la raza pura) aporta un gen a la nueva
generación siguiente, esta nueva generación tendrá nuevamente un par de genes,
donde tendrá un gen aportado por el guisante amarillo y uno del guisante verde (pero
recuerden que el guisante amarillo tiene un par de genes, al igual que el guisante
verde). Lo anterior permite la aparición de una generación de guisantes híbrida
amarilla al 100%, porque justo el gen A es el dominante y dará el color del guisante
híbrido de la nueva generación (el fenotipo), aun cuando contenga un gen verde
recesivo. Lo anterior se puede apreciar en la siguiente imagen:
Lo anterior también podría representarse por medio de un cuadro de Punnet:

Fig. 2.

Presentación del contexto real.

T1.2. R ealizar la pregunta detonadora de la situación .

La pregunta detonadora está relacionada con la producción de una nueva generación de

guisantes, pero usando la raza híbrida. El planteamiento es el siguiente:

Ahora bien, como se puede apreciar en la tabla anterior, todos los guisantes de la
primera generación tienen un par de genes, uno amarillo dominante y uno verde
recesivo; es decir, sus genes son (A, v). La anterior relación dio pie a la primera ley de
Mendel: principio de la uniformidad de los heterocigotos de la primera generación
filial, la cual establece que si se cruzan dos razas puras (un homocigoto dominante con
uno recesivo) para un determinado carácter, los descendientes de la primera
generación serán todos iguales entre sí, fenotípica (lo visible) y genotípicamente
(código genético), e iguales fenotípicamente a uno de los progenitores (de genotipo
dominante).

Ahora bien, considera la siguiente pregunta y reflexiona junto con tus compañeros una
posible conjetura: ¿qué sucedería si ahora producimos una nueva generación de
guisantes, pero usando a los miembros de la raza híbrida?

Para el caso que planteamos de la cruza de dos guisantes híbridos, se tiene que
considerar en un inicio un par de guisantes heterocigotos, cuyos genes son de la
siguiente manera: (A, v) y (A, v).
 Fig. 3.

Planteamiento de la pregunta detonadora.

Cuando Mendel realizaba los experimentos de este tipo pudo observar que obtenía
muchos guisantes con características de piel amarilla y mucho menos con
características de piel verde.

M omento 2. S e matematiza la situación y se realizan simulaciones : generación de una conjetura

T2.1. M atematizar la situación

En esta tarea se debe dar inicio a cuestionamientos sobre la naturaleza del fenómeno a
enfrentar, específicamente que el color del guisante resultado de la cruza de un par de
guisantes híbridos son eventos de un experimento aleatorio.

Algunas preguntas que pudieran motivar la reflexión podrían ser como las siguientes:

• ¿Qué posibles características podrían tener los guisantes de la segunda generación

proveniente de este par de guisantes híbridos de primera generación?

• ¿De qué manera podría averiguar Mendel qué tantos de los posibles resultados de
guisantes de segunda generación serán amarillos y qué tantos serán verdes?
 Se espera de esta manera promover la reflexión sobre la importancia de la
experimentación, en este caso combinar guisantes de la primera generación para ver los
resultados y reflexionar sobre ellos. Las siguientes preguntas intentan favorecer una
experimentación en el salón de clases y analizar los posibles resultados.

• ¿Se podría realizar la experimentación en el aula?

• ¿Qué posibles resultados se podrían tener?

T2.2. R ealizar simulaciones del experimento aleatorio usando el lanzamiento de fichas

coloreadas para entender el comportamiento de los eventos involucrados en la situación

Durante la implementación de la situación es importante simular el experimento de la

cruza de dos guisantes híbridos con ayuda de lanzamientos de fichas (un lado verde y uno
amarillo), los cuales significarán la aparición de los genes de dos guisantes híbridos y la cruza
obtenida. Para ello se pide un trabajo en parejas para realizar lanzamientos de las fichas que
simulen los dos genes (verde o amarillo) de los guisantes:

• Amarillo-amarillo. Da como resultado un guisante amarillo.

• Amarillo-verde. Da como resultado un guisante amarillo.

• Verde-amarillo. Da como resultado un guisante amarillo.

• Verde-verde. Da como resultado un guisante verde.

Es importante realizar al menos diez lanzamientos por pareja. Se sugiere registrar los
resultados en una tabla como la que se presenta en la figura 4.
 Fig. 4.

Tabla para registrar los resultados del lanzamiento de las fichas de colores.

Una vez que los equipos hayan completado su tabla, se puede cuestionar sobre el
comportamiento de los guisantes obtenidos de la cruza. Por ejemplo, se puede pedir que en
equipos realicen las actividades sugeridas y respondan las preguntas:

• ¿Coinciden tus resultados con los obtenidos en las tablas de tus compañeros?, ¿por
qué?

• ¿Qué comportamiento observas en el número de guisantes verdes obtenidos de la

cruza?

• ¿Y con respecto a los guisantes de color amarillo obtenidos de la cruza?

• Elabora una tabla realizando 50 simulaciones.

• ¿Qué sucedería si realizaras 250 simulaciones usando las fichas?

Las preguntas anteriores promueven reflexiones sobre la importancia de aumentar el

número de experimentos dentro de la simulación de los casos y que la búsqueda de patrones
en los comportamientos de los posibles valores que se obtienen de la cruza genera una
comprensión de la forma en la cual se distribuye la población de la nueva generación. Pero a
su vez plantea la necesidad de contar con una manera óptima de realizar simulaciones. Ante
ello el profesor resalta el papel que puede tener la tecnología en la realización de las
simulaciones.
T2.3. S imular la situación aleatoria con apoyo de la tecnología .

Para esta tarea se espera contar con la tecnología propuesta; sin embargo, se pueden usar
en su lugar hojas de cálculo. Se muestra a continuación una secuencia de pasos utilizando
una calculadora FX-CP400, la cual permite simular hasta 500 experimentos.

Se sugiere el uso de la función “número aleatorio” en la calculadora, en la cual el dispositivo

aleatoriamente elije un número de entre los que se seleccionen. Ahora bien, la tecnología
brinda un obstáculo a los alumnos, ya que esta demanda la representación mediante
números y no colores. Ante ello se espera que los alumnos reflexionen sobre el
procedimiento para hacer este cambio:

• ¿Qué números podrían utilizarse para sustituir los colores?

• ¿De qué manera podrán combinarse estos números?

• ¿Cuántas posibles respuestas debe generar esta combinación?

Esta reflexión dirigida por el docente puede llevar a proponer que el color amarillo (gen
dominante) y al color verde (gen recesivo) se les puede representar como un 1 y un 0,
respectivamente.

Fig. 5.

Genes dominantes y recesivos representados mediante números: se matematiza la

relación.

Si al llevar a cabo las cruzas se realizan las sumas de estos genes, es posible obtener tres
resultados diferentes: 0, 1 y 2. Estos resultados significan lo siguiente:
 Fig. 6.

Resultados posibles de la cruza de guisantes de la segunda generación

En la calculadora se usará una hoja de cálculo donde se registrarán los resultados de los
experimentos aleatorios, considerando la suma de cualquiera de estos dos valores, ya que
esta representa la cruza. Cada celda de la hoja de cálculo significará entonces cada uno de los
descendientes de la cruza de dos guisantes híbridos.

En la tabla 1 mostramos la primera parte de la secuencia de pasos usando la tecnología,

que consiste en el llenado de la tabla usando los números aleatorios:
 Tabla 1.

Secuencia del uso de la calculadora para la generación de números aleatorios

M omento 3. S íntesis y regreso al contexto real : se comprueba la conjetura

T3.4. R eflexionar sobre las simulaciones y las gráficas obtenidas

En esta tarea se busca cuestionar la forma en la cual se distribuía la población que Mendel
obtenía. Al inicio de la situación se mencionó que el austriaco obtenía muchos guisantes con
características de piel amarilla y mucho menos con características de piel verde. Ahora, a
través de los resultados generados por la calculadora se puede corroborar este hecho y
explicar el porqué, pero además usando para ello representaciones gráficas como
histogramas de frecuencias.
 Tabla 2.

Secuencia del uso de la calculadora para la generación de una gráfica

No obstante a la actividad de simulación que se realizó es importante discutir la necesidad

de realizar otras más, puesto que sin importar el número de veces que se simule, la población
se distribuirá de la misma manera, con una tendencia clara a establecer las relaciones de 3 a
4 de guisantes amarillos y 1 a 4 de guisantes verdes. Para ello se puede solicitar a la
calculadora que “recalcule” la simulación; esto es, que realice nuevamente los 500
experimentos aleatorios. Esto generará nuevos eventos; sin embargo, la distribución de la
población no variará, en proporción, ya que se continuará conservando una tendencia hacia
las proporciones que se mencionaron anteriormente.

De esta manera la tecnología provee un apoyo visual respecto a la distribución de la

población de guisantes de esta generación derivada de la cruza de dos guisantes híbridos de
primera generación. La reflexión se encamina a la consideración de la distribución de la cruza
de dos guisantes híbridos considerando un cuadro Punnet como el mostrado en la figura 7.

Fig. 7.

Cuadro de Punnet para organizar la cruza de los guisantes híbridos de la primera

generación.

En el cuadro de la misma figura 7 se puede ver que en los guisantes de la segunda

generación es más probable que sean amarillos y menos el obtener un guisante verde. Lo
anterior se debe a que tres de cuatro eventos resultaron en un guisante con un fenotipo
amarillo, mientras que uno de cuatro resultó ser verde. Estas proporciones son las que
derivaron en la segunda ley de segregación de Mendel, la cual estableció luego de una
cantidad importante de experimentos (Valega, s.f.).

T3.5. C omprobar conjeturas con otros equipos de trabajo

 Una vez que se haya mostrado la realización de diversas simulaciones, se debe hacer
hincapié en la necesidad de la búsqueda de patrones. Para ello proponemos las siguientes
preguntas que pueden motivar un análisis profundo de la forma en la cual se distribuyen los
individuos de la nueva generación.

• ¿Qué proporción de guisantes amarillos puros hay después de la cruza?

• ¿Qué proporción de los guisantes son verdes puros?

• ¿Qué proporción de los guisantes son híbridos?, ¿de qué color serían estos híbridos?

Posterior a la serie de experimentos, y con ayuda de estadística descriptiva, Mendel

pudo ser capaz de proponer un comportamiento de los miembros de la segunda
generación: la proporción era de 3/4 de color amarillo y 1/4 de color verde.

Fig. 8.

Actividad de reflexión sobre la segunda ley de Mendel.

A continuación, con tus propias palabras describe una ley del comportamiento de la
nueva generación a partir de la cruza de individuos de raza híbrida, según lo que
acabas de observar y experimentar.

Conclusiones
 El presente estudio tuvo como intensión poner en la mesa de discusión la necesidad de
implementar, dentro de las instituciones formadoras de docentes, metodologías donde los
futuros docentes tengan oportunidad de experimentar, desde el punto de vista del alumno, el
trabajo con una situación basada en modelación matemática. Este trabajo de reflexión sobre
la práctica busca sumarse a las propuestas para la proposición del proceso de aprendizaje de
la modelación por parte de los futuros docentes. Se espera que este tipo de actividades
acerquen al docente con las bondades, características y dificultades propias del uso de la
modelación matemática y con ello se apoye una mayor implementación de esta estrategia en
su trabajo con sus futuros alumnos.

El trabajo con situaciones de modelación matemática en el aula de formación de docentes

demanda del investigador o formador la previa preparación de dichas situaciones. Estas
deben estar ligadas a cada una de las etapas del proceso de modelación, donde se
consideren elementos teóricos importantes. Uno de ellos es la apropiada selección de un
contexto donde los docentes encuentren un interés. Específicamente, los fenómenos que
permiten ligar a las matemáticas con otra u otras asignaturas permiten no solo redefinir el
planteamiento de lecciones de matemáticas, sino a la vez abordar el currículo de manera
transversal, tal y como lo promueve la SEP (2011).

En segundo lugar, es necesario tomar en cuenta la proposición de actividades donde el

docente pueda vivir, desde el punto de vista del alumno, las tareas que a este se le
demandarán en el salón de clases. Desde la discusión de la situación, la generación de dudas
y la promoción de diálogo entre los mismos docentes se aportará una idea más clara al
docente respecto al proceso de modelación.

En tercer lugar se recomienda atender la organización del trabajo que de antemano ha

mostrado buenas consecuencias en las sesiones de modelación que se han investigado.
Específicamente recomendamos el uso de la metodología Acodesa, donde se permita al
docente trasladarse desde un trabajo individual hacia un trabajo en equipo para
posteriormente exista una discusión en gran grupo. Al finalizar, el regreso al trabajo
individual permitirá conocer el aprendizaje de los docentes después de esta experiencia.

Además, en las secuencias se sugiere promover la incorporación de una tecnología que

permita al docente conocer en qué momentos es favorable el uso de algún recurso de
acuerdo con lo señalado por investigaciones. En la propuesta realizada se retoman elementos
encontrados por Rodríguez y Quiroz (2015), donde se especifican tres momentos en que la
tecnología permite el paso entre las diversas etapas de la modelación matemática. Por
último, en las implementaciones se busca generar un ambiente donde el docente pueda
experimentar no solamente las bondades del proceso, sino también las posibles dificultades
a las que se puede enfrentar cuando sea él mismo el que aplique esta estrategia en su aula.

Los resultados presentados de la fase 1, así como el futuro trabajo en la fase 2, buscan
aproximarse a realizar una investigación-acción donde se promueva la vinculación entre la
práctica diaria del docente con el trabajo del investigador, permitiendo al primero una mejora
de su desempeño y al segundo un mayor entendimiento del quehacer diario del docente en
el aula de clases de matemáticas.

Agradecimientos

Este manuscrito presenta algunos resultados en el marco del proyecto Prodep “Laboratorio
de innovación y didáctica de las matemáticas con tecnología”, folio UACOAH-PTC-405, carta de
liberación DSA/103.5/16/10616.

Referencias

Alsina, C. (2007). Less chalk, less words, less symbols... more objects, more context, more
actions. En W. Blum, P. Galbraith, H.W. Henn y M. Niss (eds.), Modelling and Applications
in Mathematics Education, The 14th ICMI Study, 10(21), 35-44.
http://doi.org/10.1007/97803872982212

Blum, W. y Niss, M. (1991). Applied mathematical problem solving, modelling, applications,

and links to other subjects. State, trends and issues in mathematics instruction.
Educational Studies in Mathematics, 22(1), 37-68.

Castañeda, E. (2010). La modelación como estrategia didáctica para la resolución de

problemas en educación secundaria haciendo uso de un recurso educativo abierto (tesis
maestría no publicada). Instituto Tecnológico de Estudios Superiores de Monterrey,
Nuevo León, México.

Creswell, J. (2007). Qualitative Inquiry & Research Design: Choosing Among Five
Approaches. California, Estados Unidos: Sage.

da Ponte, J.P. (1994). Mathematics teachers’ professional knowledge. En J.P. da Ponte y J.F.
Mateos (eds.), Proceedings of the Eighteenth International Conference for the Psychology
of Mathematics Education. Lisboa, Portugal: Universidad de Lisboa.
da Ponte, J.P. (2012). Estudiando el conocimiento y el desarrollo profesional del
profesorado de matemáticas. En N. Planas (coord.), Teoría, crítica y práctica de la
educación matemática (pp. 83-98), Barcelona, España: Graó.

Darden, L. (1991). Theory Change in Science. Strategies from Mendelian Genetics. Nueva
York, Estados Unidos: Oxford University Press.

Doerr, H.M. (2007). What Knowledge do Teachers Need for Teaching Mathematics through
Applications and Modelling? En W. Blum, P. Galbraith, H.W. Henn y M. Niss (eds.),
Modelling and Applications in Mathematics Education, The 14th ICMI Study, 10(24), 69-78.
http://doi.org/10.1007/97803872982214

Estrada, A., Batanero, C. y Fortuny, J.M. (2004). Un estudio sobre conocimientos de

estadística elemental de profesores en formación. Educación Matemática, 16(1), 89-111.
Recuperado de http://www.redalyc.org/articulo.oa?id=40516104

Ferreira, A. y Miorim, M. (2011). Collaborative Work and the Professional Development of

Mathematics Teachers: Analysis of a Brazilian Experience. En N. Bednarz, D. Fiorentini y
R. Huang (eds.), International Approaches to Professional Development for Mathematics
Teachers (pp. 137-149). Ottawa, Canadá: University of Ottawa Press. Recuperado de
http://www.jstor.org/stable/j.ctt1ch77v3.13

Flores, E. (2006). El investigador educativo como agente de cambio. 1er Simposio Nacional
de Investigación sobre la Innovación Educativa. Monterrey, México: Investigación Acción /
Instituto Tecnológico y de Estudios Superiores de Monterrey.

García, R. (2005). Innovación, cultura y poder en las instituciones educativas. Algunas

evidencias encontradas en el “mundo de la vida” de las organizaciones escolares. Revista
Electrónica Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 3(1), 578-585.
Recuperado de http://www.redalyc.org/pdf/551/55130157.pdf

Gliboff, S. (2015). The Mendelian and Non-Mendelian origins of Genetics. Filosofia e

História da Biologia, 10(1), 99-123.

Henn, H.W. (2007). Modelling pedagogy-overview. En W. Blum, P. Galbraith, H.W. Henn y M.

Niss (eds.), Modelling and Applications in Mathematics Education, The 14th ICMI Study,
10(35), 321-324. http://doi.org/10.1007/978038729822133
Hitt, F. (2013). Théorie de l’activité, interactionnisme et socioconstructivisme. Quel cadre
théorique autour des représentations dans la construction des connaissances
mathématiques? Annales de Didactique et de Sciences Cognitives, 18(1), 9-27.
Recuperado de http://www.irem.univ-paris-
diderot.fr/up/annales_de_didactique_et_de_sciences_cognitives/volume_18/adsc18-
2013_001.pdf

Lakoma, E. (2007). Learning mathematical modelling-from the perspective of probability

and statistics education. En W. Blum, P. Galbraith, H.W. Henn y M. Niss (eds.), Modelling
and Applications in Mathematics Education, The 14th ICMI Study, 10(36), 387-394.
http://doi.org/10.1007/978-0-387-29822-1_42

Latapí, P. (2003). ¿Cómo aprenden los maestros? (serie Cuadernos de discusión n. 6).
México: Secretaria de Educación Pública. Recuperado de
www.oei.es/historico/docentes/articulos/como_aprenden_maestros_latapi.pdf

Lesh, R. y Yoon, C. (2007). What is the distinctive in (our views about) models and modelling
perspectives on mathematics problem solving, learning, and teaching? En W. Blum, P.
Galbraith, H.W. Henn y M. Niss (eds.), Modelling and Applications in Mathematics
Education, The 14th ICMI Study, 10(31), 161-170.
http://doi.org/10.1007/978038729822115

Llinares, S. (2012). Del análisis de la práctica al diseño de tareas matemáticas para la

formación de maestros. En N. Planas (coord.), Teoría, crítica y práctica de la educación
matemática (pp. 99-115). Barcelona, España: Graó.

Lorenzano, P. (2005). Ejemplares, modelos y principios de la genética clásica. Scientiæ

Studia, 3(2), 185-203.

Medina, D. (2011). La modelación matemática como medio para la enseñanza de la

relación funcional en el aula (tesis de maestría no publicada). Instituto Tecnológico de
Estudios Superiores de Monterrey, Nuevo León, México.

Muller, E. y Burkhardt, H. (2007). Applications and modelling for mathematics-overview. En

W. Blum, P. Galbraith, H.W. Henn y M. Niss (eds.), Modelling and Applications in
Mathematics Education, The 14th ICMI Study, 10(34), 267-274.
http://doi.org/10.1007/978038729822128
Niss, M., Blum, W. y Galbraith, P. (2007). Introduction. En W. Blum, P. Galbraith, H.W. Henn
y M. Niss (eds.), Modelling and Applications in Mathematics Education, The 14th ICMI
Study, 10(1), 3-32. http://doi.org/10.1007/9780387298221

Nyaumwe, L. (2004). The impact of full time student teaching on preservice teachers’
conceptions of mathematics teaching and learning. Mathematics Teacher Education and
Development, 6(1), 19-30.

Organización para la Cooperación y el Desarrollo Económicos. (2010). PISA 2009

Assessment Framework. Key competencies in reading, mathematics and science.
Assessment. París, Francia: OCDE Publishing.

Pead, D., Ralph, B. y Muller, E. (2007). Uses of technologies in learning mathematics

through modelling. En W. Blum, P. Galbraith, H.W. Henn y M. Niss (eds.), Modelling and
Applications in Mathematics Education, The 14th ICMI Study, 10(34), 309-318.
http://doi.org/10.1007/978038729822132

Pollak, H. (1969). How can we teach applications of Mathematics? Educational Studies in

Mathematics, 2(2), 393-404. http://doi.org/10.1007/BF00303471

Pollak, H. (2007). Mathematical modelling. A conversation with Henry Pollak. En W. Blum, P.

Galbraith, H.W. Henn y M. Niss (eds.), Modelling and Applications in Mathematics
Education, The 14th ICMI Study, 10(28), 109-120. http://doi.org/10.1007/97803872982219

Quiroz, S., Hitt, F. y Rodríguez, R. (2015). Évolution des conceptions du processus de

modélisation mathématique de futurs enseignants du primaire. Annales de Didactique et
de Sciences Cognitives, 20(1), 149-179. Recuperado de http://www.irem.univ-paris-
diderot.fr/articles/annales_de_didactique_et_de_sciences_cognitives/

Rodríguez, M. y Soto, J. (2011). Actividades didácticas dirigidas a profesores de matemáticas

de secundaria, diseñadas con la metodología Acodesa. En F. Hitt y C. Cortés (eds.),
Formation à la recherche en didactique des mathématiques (pp. 126-132). Quebec,
Canadá: Loze-Dion Éditeur.

Rodríguez, R. y Quiroz, S. (2015). El papel de la tecnología en el proceso de modelación

matemática para la enseñanza de las ecuaciones diferenciales. Revista Latinoamericana
de Investigación en Matemática Educativa, 19(1), 99-124.
http://doi.org/10.12802/relime.13.1914
 Ruiz-Higueras, L. y García, F. (2011). Análisis de las praxeologías didácticas: implicaciones
en la formación de maestros. En M. Bosch, J. Gascón, A. Ruiz Olarría, M. Artaud, A.
Bronner, Y. Chevallard, G. Cirade, C. Ladage y M. Larguier (eds.), Un panorama de la TAD,
CRM Documents 10 (pp. 431-464). Bellaterra, Barcelona, España: Centre de Recerca
Matemática.

Santos, L.M. (1997). Principios y métodos de la resolución de problemas en el aprendizaje

de las matemáticas. México: Grupo Editorial iberoamerica.

Secretaría de Educación Pública. (2011). Plan de estudios 2011. Eduación básica. México:
Secretaría de Educación Pública.

Trigueros, M. (2006). Ideas acerca del movimiento del péndulo: un estudio desde una
perspectiva de modelación. Revista Mexicana de Investigación Educativa, 11(31), 1207-
1240. Recuperado de http://www.redalyc.org/pdf/140/14003106.pdf

Valega, O. (s.f.). Las leyes de Mendel. Recuperado de

http://cvonline.uaeh.edu.mx/Cursos/Bach_Virt/CE101/Materiales_Unidad_4/Act.4.3_Leyes
_de_Mendel.pdf

Villarreal, M. (2012). Tecnologías y educación matemática: necesidad de nuevos abordajes

para la enseñanza. Virtualidad, Educación y Ciencia, 3(5), 73-94. Recuperado de
https://revistas.unc.edu.ar/index.php/vesc/article/view/3014/2869

Wilson, S. y Cooney, T. (2002). Mathematics teacher change and developments. En G.C.

Leder, Pehkonen, Erkki, Törner y Günter (eds.), Beliefs: A hidden variable in mathematics
education? (pp. 127-147). Dordrecht, Holanda: Kluwer Academic Publishers.
http://doi.org/10.1007/03064795838

Notas de autor

* José David Zaldívar Rojas. Profesor de tiempo completo de la Facultad de Ciencias Físico
Matemáticas de la Universidad Autónoma de Coahuila, México. Doctor en Ciencias con
especialidad en Matemática Educativa por el Centro de Investigación y de Estudios
Avanzados del Instituto Politécnico Nacional (Cinvestav-IPN). Miembro del Sistema
Nacional de Investigadores en el nivel de candidato. Sus líneas de investigación se enfocan
principalmente en estudios de construcción social del conocimiento matemático y sobre
los procesos de desarrollo profesional del docente de matemáticas bajo una perspectiva
de modelación.
** Samantha Analuz Quiroz Rivera. Investigadora posdoctoral en el Departamento de
Matemáticas de la Université du Québec à Montréal, Canadá. Doctora en Innovación
Educativa con acentuación en Matemática Educativa por el Instituto Tecnológico y de
Estudios Superiores de Monterrey. Miembro del Sistema Nacional de Investigadores Nivel I.
Sus líneas de investigación están enfocadas al estudio de la formación docente a través de
la modelación matemática, así como al aprendizaje de conceptos matemáticos en
ambientes socioculturales.
*** Gonzalo Medina Ramírez. Profesor de nivel medio superior y asesor de Ciencias
Exactas en el Liceo Alberto del Canto, de Saltillo, México. Maestro en Docencia por la
Universidad Autónoma del Noreste AC. Egresado de la Licenciatura en Matemáticas
Aplicadas de la Facultad de Ciencias Físico Matemáticas (FCFM) de la Universidad
Autónoma de Coahuila y actualmente cursa sus estudios de maestría en Matemática
Educativa en la FCFM. Ha participado en diversos coloquios y simposios de educación
matemática relacionados al uso de la tecnología para el aprendizaje de las matemáticas.
HTML generado a partir de XML-JATS4R por